Cybergenetics
TrueAllele:用 AI 與機率基因型判讀混合 DNA,從冤案到定罪兩邊都在用
Cybergenetics 是匹茲堡的鑑識 DNA 公司,旗艦產品 TrueAllele 做的是「機率基因型分析」(probabilistic genotyping)——處理那種混了好幾個人、量又極少、傳統方法宣告無法判讀的 DNA 檢體。官網明確說它結合人工智慧與應用數學來完成鑑識 DNA 識別。
產品分幾條:TrueAllele Casework 處理混合 DNA 的案件分析;TrueAllele Investigative Database(TA-ID)是 DNA 情資資料庫;另有 Database、Reference 版本與次世代定序(NGS)分析。它的客群很特別,同時包括檢察官與辯護律師、執法機關、鑑識實驗室、平冤組織(innocence organizations)與醫療診斷單位——同一套工具既用來定罪,也用來翻案。官網資料指出已分析上千件案件、在上百件案件中作證,技術被美國九成的相關單位與海外使用。
功能特色與適用場景:它真正解決的問題是「混合樣本的統計解釋」。當現場檢體混了三、四個人的 DNA,人工判讀幾乎不可能給出可辯論的數字,TrueAllele 則產出可量化的似然比。這也是它最大的爭議點——法庭上辯方常質疑演算法的黑箱性質與原始碼是否可供檢視,這類挑戰在美國已有多起判例。台灣的鑑識實務以刑事警察局與法務部法醫研究所為主,要導入這類工具,技術之外更大的問題是法庭認可與交互詰問的攻防準備;也因此 Cybergenetics 提供免費初步篩檢這件事很聰明,讓律師可以先評估案件有沒有翻盤空間再決定要不要投入。
TheAI學院 編輯建議
編輯實測後的真心話這是整份清單裡我覺得最沉重的一個工具——同一套演算法,可以把人關進去,也可以把人放出來。它的技術價值無庸置疑(混合 DNA 本來就沒人能手算),但「演算法能不能被檢視」在刑事司法裡不是技術問題,是人權問題。台灣若哪天要用,希望透明度的討論走在採用之前。
主要功能
- TrueAllele Casework:混合 DNA 檢體的機率基因型分析
- TrueAllele Investigative Database(TA-ID)DNA 情資資料庫
- 次世代定序(NGS)資料分析能力
- 官網明示結合人工智慧與應用數學進行鑑識 DNA 識別
- 提供 DNA 證據的免費初步篩檢
- 累積上千件案件分析與上百件法庭作證紀錄
如何使用 Cybergenetics
- 由鑑識或司法單位導入 Cybergenetics TrueAllele。
- 輸入混合 DNA 的基因型資料。
- 系統用機率基因型方法判讀混合樣本。
- 鑑識專家解讀統計結果。
- 結果在司法程序中由專家作證說明。
- 保存分析紀錄供覆核。
- 注意:DNA 鑑識關乎司法權益,須由合格專家在合法程序中判讀與呈堂。
適用場景
- 刑事案件中解析混合了多人 DNA 的現場檢體
- 平冤組織重新檢視舊案的 DNA 證據,尋找翻案依據
- 辯護律師以免費初步篩檢評估案件是否值得聲請重新鑑定
- 鑑識實驗室建立 DNA 情資資料庫以比對跨案件關聯
Cybergenetics 的優點與缺點
優點
- 能處理傳統方法判定無法解讀的混合與微量 DNA 檢體
- 同時服務檢方與辯方,工具中立性在鑑識領域是重要信任基礎
- 法庭作證紀錄豐富,實務驗證遠多於學術原型
缺點
- 演算法透明度長期受法庭挑戰,原始碼可檢視性是爭議焦點
- 結果是統計似然比,需要具備統計素養的專家才能正確解釋與答辯
- 價格與授權方式不公開,且不同司法體系的可採性差異大
價格方案
鑑識實驗室授權與案件服務制,另提供免費初步篩檢
Cybergenetics 常見問題
AI 判讀 DNA 在法庭上站得住腳嗎?
在美國已有大量採用與作證紀錄,但同時也持續面對辯方對演算法透明度的挑戰。實務上關鍵不是「AI 能不能」,而是專家能不能把方法、假設與誤差範圍在交互詰問中解釋清楚。
台灣的鑑識單位可以用嗎?
技術上沒有障礙,但法庭可採性與專家證人制度是更大的問題。台灣的鑑識實務以刑事警察局與法醫研究所為主,導入新方法通常需要完整的驗證報告與司法界的共識累積。
它跟 STRmix 這類工具有什麼不同?
兩者都做機率基因型分析,屬於直接競爭。差異在演算法設計、驗證資料與法庭紀錄。值得注意的是 Cybergenetics 官網明確以 AI 描述自身技術,STRmix 則偏統計取向的敘述。
使用者評價
還沒有足夠評價,搶先分享你的使用心得!
寫下你的評價
Cybergenetics 的替代方案
查看相似的 AI 工具 →相關 AI 工具
Corma
自己訓練專給防守方用的資安基礎模型,部署成一組 AI 資安人員,在身分、雲端、端點、SIEM、防火牆之間切換調查、串證據、處置,需要判斷時在 Slack 或 Teams 找人核准
Scalekit
一個 MCP 端點接上 600 多個連接器、3 萬多個工具,使用者各自授權帳號,權杖由閘道保管與更新,依代理角色限定可用工具,每次呼叫都留下歸屬紀錄
Cloptima
把 SDK 的 base URL 換成 Cloptima,每次呼叫模型前先遮蔽個資與金鑰、檢查預算上限,再記到依團隊與應用拆帳的費用帳本上
PasteGuard
把姓名、email、API 金鑰等敏感資料換成 [[PERSON_1]] 這類佔位符再交給 AI,回覆時再換回原文;也能把含個資的請求改送本機模型
Beacon
把你在 Claude Code、Cursor、Codex 等 20 多種程式代理裡的工作階段集中起來,挑出值得重用的除錯流程變成 Skills,下一個代理不必從零教起
CiteLLM
在 ChatGPT 或 Claude 裡逐句核對合約與財報:哪句有依據、哪句被原文打臉,點一下就跳到 PDF 頁面上的螢光標記
猜你也想看的AI 隱私與安全
更多美國的 AI 工具
同樣來自美國的 AI 工具,一起看看。